文献类型： 中文期刊

作者： 严忠伟 ¹ ; 田喜 ² ; 张艺飞 ² ; 李廉洁 ² ; 刘三庆 ¹ ; 黄文倩 ² ;

作者机构： 1.广西大学机械工程学院

2.北京市农林科学院智能装备技术研究中心

关键词： 近红外光谱;西瓜;可溶性固形物含量;在线检测;模型优化

期刊名称： 光谱学与光谱分析

ISSN：

年卷期： 2023 年 006 期

页码： 1800-1808

收录情况： EI ; SCI ; 北大核心 ; CSCD

摘要： 可溶性固形物含量（SSC）是评价西瓜果肉品质优劣的关键指标。西瓜SSC在线检测模型的建立，可以实现西瓜品质按其SSC进行在线分级，满足不同人群需求，提高市场竞争力。以160个京美2K西瓜为研究对象，通过实验室自主研发的在线检测设备，采集了西瓜两种姿态的可见近红外全透射光谱数据，分别与西瓜不同部位SSC建立偏最小二乘回归（PLSR）预测模型，探究西瓜SSC在线检测的最佳姿态和检测部位。首先，分别定义西瓜不同部位SSC测量值为瓜蒂糖、中心糖、瓜脐糖和整果糖，在线检测的两种姿态分别定义为T1姿态和T2姿态。其次对比西瓜不同部位SSC,探讨西瓜SSC评价标准。然后去除光谱透射强度值较低且频率较高，包含大量噪声和无用信息的光谱数据，最终选取波长范围（671～1 116 nm）的光谱进行分析。采用卷积平滑（SGS）算法分别与多元散射校正（MSC）、单位矢量归一化（UVN）和标准正态变量变换（SNV）这3种算法相结合对两种姿态下的光谱数据进行预处理，随后对应西瓜不同部位SSC分别建立预测模型。通过对比不同模型的预测结果发现：使用SGS和MSC组合对T1姿态采集的光谱数据预处理效果最好，而对于T2姿态的光谱数据使用SGS与UVN结合预处理效果最好；T1姿态明显比T2姿态的光谱数据所建模型的预测效果好；对西瓜瓜蒂糖和整果糖的预测结果较好，瓜脐糖次之，中心糖最差。最后采用竞争性自适应重加权算法（CARS）分别对预测瓜蒂糖和整果糖的模型进行优化。其中，共挑选出81个波长点用于建立预测瓜蒂糖模型，106个波长点用于建立预测整果糖模型，两模型的预测集相关系数分别为0.881 0和0.875 8,均方根误差分别为0.866 7%和0.758 9%,不仅模型得到了简化，还提高了模型的预测精度。研究结果表明，西瓜不同姿态和对不同部位SSC预测的差异，会影响西瓜SSC在线检测和品质评价分级结果，应根据用户的实际需求进行模型选取和优化；为此，提出了糖度评价指数，为进一步开发西瓜SSC在线检测设备提供了技术支撑。